CN116977136A - 一种基于卷积神经网络的现代学徒制管理系统 - Google Patents

一种基于卷积神经网络的现代学徒制管理系统 Download PDF

Info

Publication number
CN116977136A
CN116977136A CN202310900381.8A CN202310900381A CN116977136A CN 116977136 A CN116977136 A CN 116977136A CN 202310900381 A CN202310900381 A CN 202310900381A CN 116977136 A CN116977136 A CN 116977136A
Authority
CN
China
Prior art keywords
learning
student
apprentice
students
neural network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310900381.8A
Other languages
English (en)
Inventor
陈雷
胡亚利
郭宝枚
张艳丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Jiazhuan Information Technology Co ltd
Original Assignee
Hangzhou Jiazhuan Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Jiazhuan Information Technology Co ltd filed Critical Hangzhou Jiazhuan Information Technology Co ltd
Priority to CN202310900381.8A priority Critical patent/CN116977136A/zh
Publication of CN116977136A publication Critical patent/CN116977136A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于卷积神经网络的现代学徒制管理系统，属于管理系统技术领域。学生将捕获到的画面发送到监控中心处理，提交试题后，系统会自动计算，即刻显示答题结果同时也可以在个人中心答题记录中反复查看，师傅可在师傅端查看学徒的考试记录，数据处理中台会进行数据分析，监控中心采集到的数据和学生的学习情况做分析，通过多维度的分析(完成情况、通过率、答题用时、专业侧重点等等)形成学生的画像，企业挑选人才的时候可以直接查看画像，快速了解该学生，方便企业选用到合适人才，利用卷积神经网络算法对学徒进行监督学习，数据处理中心利用此算法可以将监控到的学习画面数据做计算，得到是否本人学习，学习的状态和学习深度等数据。

Description

一种基于卷积神经网络的现代学徒制管理系统
技术领域
本发明涉及管理系统技术领域，尤其涉及一种基于卷积神经网络的现代学徒制管理系统。
背景技术
当前的现代学徒制普遍采用师徒模式，即一个师傅带一个或多个徒弟。师傅会根据学徒的综合表现以及考核结果给予评价结果。先不论同一个师傅对待不同学徒的评价标准是否一致，某些师傅甚至可能略过考试环节，根据自己对学徒的印象，直接给予评定结果。而让企业师傅给学徒们制定考核标准，进行标准化的过程考核，又不符合实际情况。本发明的现代学徒制是学校、企业深度合作，教师和师傅联合传授，以培养学生技能为主的现代人才培养模式，基于卷积神经网络的现代学徒制管理系统。
当前的学徒制师徒人身依附的关系较强，有些师傅尽管具备较高的技能水平，但缺乏教育教学的专业知识，对学徒的指导能力不强。
为此，我们提出一种基于卷积神经网络的现代学徒制管理系统来解决上述问题。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于卷积神经网络的现代学徒制管理系统。
为了实现上述目的，本发明采用了如下技术方案：
一种基于卷积神经网络的现代学徒制管理系统，包括以下步骤：
S1：对需要进行培训的学徒进行不同的角色分类管理；
S2：在线学习平台进行远程网络授课；
S3：学生通过操作注册模块填写个人信息及采集人脸面容信息；
S4：学生登录在线学习系统学习课程；
S5：学习后通过在线答题模块进行在线答题，对答题后的试卷进行自动批改，并可在线与师傅进行互相交流；
S6：师傅对采集到的数据信息通过数据处理中台进行数据分析，了解学生情况；
S7：利用系统算法对学生进行学习监督，完成知识教授流程。
优选的，所述步骤S1中，设置超级管理员与企业定制学徒适合的管理，适配系统使用的主要角色并对其各种角色进行划分。
优选的，适配系统的主要角色分别为：
院校管理员：负责院校日常公告、广告位等基础数据维护、账号管理如：分配班级、添加教师和学生账号，绑定账号之间的所属关系，管理院校的审批流，发布项目和管理实训基地；
校内指导老师：负责实践学生的管理、指导和评分，参与制定学徒班相关的培训计划和实践活动，对学生提交的日志、学习计划和问题进行审核处理，跟踪学生的实习情况；
学徒：是学徒制的主要参与者，参与实践实习、教育学习，在实习期间可以记录日记、周记、总结、考勤、问题发布。
优选的，所述步骤S3中，学生通过操作注册模块填写学号、身份证号、姓名、电话信息进行注册，再由脸部信息采集模块进行人脸采集，注册和采集信息一并提交到后台进行确认审核，从而完成学生信息库的采集。
优选的，所述步骤S4中，获取到对摄像头的授权，采用人脸识别的方式打开课程，系统时时记录本次学习进度并捕获本次学习过程，发送到监控中心由监控中心系统进行比对和留存，若监测画面中多次检测不到或检测的脸部信息跟当前登录的学生不符，则微处理器直接操作关闭任务模块结束学生该次实践无效，教师可通过教师端登录学习系统查看某节课的学习记录或者某学生的学习记录。
优选的，所述步骤S5中，学生理论视频课结束，会有对应的试题，学生可直接在线答题，答题过程也会时时记录，并将捕获到的画面发送到监控中心处理，提交试题后，系统会自动计算，即刻显示答题结果同时也可以在个人中心答题记录中反复查看，师傅可在师傅端查看学徒的考试记录。
优选的，所述步骤S6中，数据处理中台会进行数据分析，将监控中心采集到的数据和学生的学习情况做分析，通过多维度的分析(完成情况、通过率、答题用时、专业侧重点等等)形成学生的画像，在企业挑选人才的时候可以直接查看画像，快速了解该学生情况，方便企业选用到合适人才。
优选的，所述步骤S7中，利用卷积神经网络算法对学徒进行监督学习，数据处理中心利用此算法可以将监控到的学习画面数据做计算，得到是否本人学习，学习的状态和学习深度等数据。
与现有技术相比，本发明的有益效果为：
1、获取到对摄像头的授权，采用人脸识别的方式打开课程，系统时时记录本次学习进度并捕获本次学习过程，发送到监控中心由监控中心系统进行比对和留存，若监测画面中多次检测不到或检测的脸部信息跟当前登录的学生不符，则微处理器直接操作关闭任务模块结束学生该次实践无效，教师可通过教师端登录学习系统查看某节课的学习记录或者某学生的学习记录。
2、学生理论视频课结束，会有对应的试题，学生可直接在线答题，答题过程也会时时记录，并将捕获到的画面发送到监控中心处理，提交试题后，系统会自动计算，即刻显示答题结果同时也可以在个人中心答题记录中反复查看，师傅可在师傅端查看学徒的考试记录。
3、数据处理中台会进行数据分析，将监控中心采集到的数据和学生的学习情况做分析，通过多维度的分析(完成情况、通过率、答题用时、专业侧重点等等)形成学生的画像，在企业挑选人才的时候可以直接查看画像，快速了解该学生情况，方便企业选用到合适人才。
4、利用卷积神经网络算法对学徒进行监督学习，数据处理中心利用此算法可以将监控到的学习画面数据做计算，得到是否本人学习，学习的状态和学习深度等数据。
附图说明
图1为学生信息库采集流程图；
图2为在线学习系统架构图；
图3为监控分析系统结构图；
图4为评价整改模块架构图；
图5为整个系统模块组成图；
图6为卷积神经网络。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1-图6，一种基于卷积神经网络的现代学徒制管理系统，包括以下步骤：
S1：对需要进行培训的学徒进行不同的角色分类管理；
S2：在线学习平台进行远程网络授课；
S3：学生通过操作注册模块填写个人信息及采集人脸面容信息；
S4：学生登录在线学习系统学习课程；
S5：学习后通过在线答题模块进行在线答题，对答题后的试卷进行自动批改，并可在线与师傅进行互相交流；
S6：师傅对采集到的数据信息通过数据处理中台进行数据分析，了解学生情况；
S7：利用系统算法对学生进行学习监督，完成知识教授流程。
步骤S1中，设置超级管理员与企业定制学徒适合的管理，适配系统使用的主要角色并对其各种角色进行划分。
适配系统的主要角色分别为：
院校管理员：负责院校日常公告、广告位等基础数据维护、账号管理如：分配班级、添加教师和学生账号，绑定账号之间的所属关系，管理院校的审批流，发布项目和管理实训基地；
校内指导老师：负责实践学生的管理、指导和评分，参与制定学徒班相关的培训计划和实践活动，对学生提交的日志、学习计划和问题进行审核处理，跟踪学生的实习情况；
学徒：是学徒制的主要参与者，参与实践实习、教育学习，在实习期间可以记录日记、周记、总结、考勤、问题发布。
实施例2
学生通过操作注册模块填写学号、身份证号、姓名、电话信息进行注册，再由脸部信息采集模块进行人脸采集，注册和采集信息一并提交到后台进行确认审核，从而完成学生信息库的采集。
实施例3
获取到对摄像头的授权，采用人脸识别的方式打开课程，系统时时记录本次学习进度并捕获本次学习过程，发送到监控中心由监控中心系统进行比对和留存，若监测画面中多次检测不到或检测的脸部信息跟当前登录的学生不符，则微处理器直接操作关闭任务模块结束学生该次实践无效，教师可通过教师端登录学习系统查看某节课的学习记录或者某学生的学习记录。
实施例4
学生理论视频课结束，会有对应的试题，学生可直接在线答题，答题过程也会时时记录，并将捕获到的画面发送到监控中心处理，提交试题后，系统会自动计算，即刻显示答题结果同时也可以在个人中心答题记录中反复查看，师傅可在师傅端查看学徒的考试记录。
实施例5
数据处理中台会进行数据分析，将监控中心采集到的数据和学生的学习情况做分析，通过多维度的分析(完成情况、通过率、答题用时、专业侧重点等等)形成学生的画像，在企业挑选人才的时候可以直接查看画像，快速了解该学生情况，方便企业选用到合适人才。
实施例6
利用卷积神经网络算法对学徒进行监督学习，数据处理中心利用此算法可以将监控到的学习画面数据做计算，得到是否本人学习，学习的状态和学习深度等数据。
综上所述：设置超级管理员与企业定制学徒适合的管理，适配系统使用的主要角色并对其各种角色进行划分，学生通过操作注册模块填写学号、身份证号、姓名、电话信息进行注册，再由脸部信息采集模块进行人脸采集，注册和采集信息一并提交到后台进行确认审核，从而完成学生信息库的采集；
获取到对摄像头的授权，采用人脸识别的方式打开课程，系统时时记录本次学习进度并捕获本次学习过程，发送到监控中心由监控中心系统进行比对和留存，若监测画面中多次检测不到或检测的脸部信息跟当前登录的学生不符，则微处理器直接操作关闭任务模块结束学生该次实践无效，教师可通过教师端登录学习系统查看某节课的学习记录或者某学生的学习记录；
学生理论视频课结束，会有对应的试题，学生可直接在线答题，答题过程也会时时记录，并将捕获到的画面发送到监控中心处理，提交试题后，系统会自动计算，即刻显示答题结果同时也可以在个人中心答题记录中反复查看，师傅可在师傅端查看学徒的考试记录；
数据处理中台会进行数据分析，将监控中心采集到的数据和学生的学习情况做分析，通过多维度的分析(完成情况、通过率、答题用时、专业侧重点等等)形成学生的画像，在企业挑选人才的时候可以直接查看画像，快速了解该学生情况，方便企业选用到合适人才，利用卷积神经网络算法对学徒进行监督学习，数据处理中心利用此算法可以将监控到的学习画面数据做计算，得到是否本人学习，学习的状态和学习深度等数据。
以上为本发明的全部工作原理。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种基于卷积神经网络的现代学徒制管理系统，其特征在于，包括以下步骤：
S1：对需要进行培训的学徒进行不同的角色分类管理；
S2：在线学习平台进行远程网络授课；
S3：学生通过操作注册模块填写个人信息及采集人脸面容信息；
S4：学生登录在线学习系统学习课程；
S5：学习后通过在线答题模块进行在线答题，对答题后的试卷进行自动批改，并可在线与师傅进行互相交流；
S6：师傅对采集到的数据信息通过数据处理中台进行数据分析，了解学生情况；
S7：利用系统算法对学生进行学习监督，完成知识教授流程。
2.根据权利要求1所述的一种基于卷积神经网络的现代学徒制管理系统，其特征在于，所述步骤S1中，设置超级管理员与企业定制学徒适合的管理，适配系统使用的主要角色并对其各种角色进行划分。
3.根据权利要求2所述的一种基于卷积神经网络的现代学徒制管理系统，其特征在于，适配系统的主要角色分别为：
院校管理员：负责院校日常公告、广告位等基础数据维护、账号管理如：分配班级、添加教师和学生账号，绑定账号之间的所属关系，管理院校的审批流，发布项目和管理实训基地；
校内指导老师：负责实践学生的管理、指导和评分，参与制定学徒班相关的培训计划和实践活动，对学生提交的日志、学习计划和问题进行审核处理，跟踪学生的实习情况；
学徒：是学徒制的主要参与者，参与实践实习、教育学习，在实习期间可以记录日记、周记、总结、考勤、问题发布。
4.根据权利要求3所述的一种基于卷积神经网络的现代学徒制管理系统，其特征在于，所述步骤S3中，学生通过操作注册模块填写学号、身份证号、姓名、电话信息进行注册，再由脸部信息采集模块进行人脸采集，注册和采集信息一并提交到后台进行确认审核，从而完成学生信息库的采集。
5.根据权利要求1所述的一种基于卷积神经网络的现代学徒制管理系统，其特征在于，所述步骤S4中，获取到对摄像头的授权，采用人脸识别的方式打开课程，系统时时记录本次学习进度并捕获本次学习过程，发送到监控中心由监控中心系统进行比对和留存，若监测画面中多次检测不到或检测的脸部信息跟当前登录的学生不符，则微处理器直接操作关闭任务模块结束学生该次实践无效，教师可通过教师端登录学习系统查看某节课的学习记录或者某学生的学习记录。
6.根据权利要求1所述的一种基于卷积神经网络的现代学徒制管理系统，其特征在于，所述步骤S5中，学生理论视频课结束，会有对应的试题，学生可直接在线答题，答题过程也会时时记录，并将捕获到的画面发送到监控中心处理，提交试题后，系统会自动计算，即刻显示答题结果同时也可以在个人中心答题记录中反复查看，师傅可在师傅端查看学徒的考试记录。
7.根据权利要求1所述的一种基于卷积神经网络的现代学徒制管理系统，其特征在于，所述步骤S6中，数据处理中台会进行数据分析，将监控中心采集到的数据和学生的学习情况做分析，通过多维度的分析(完成情况、通过率、答题用时、专业侧重点等等)形成学生的画像，在企业挑选人才的时候可以直接查看画像，快速了解该学生情况，方便企业选用到合适人才。
8.根据权利要求1所述的一种基于卷积神经网络的现代学徒制管理系统，其特征在于，所述步骤S7中，利用卷积神经网络算法对学徒进行监督学习，数据处理中心利用此算法可以将监控到的学习画面数据做计算，得到是否本人学习，学习的状态和学习深度等数据。
CN202310900381.8A 2023-07-21 2023-07-21 一种基于卷积神经网络的现代学徒制管理系统 Pending CN116977136A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310900381.8A CN116977136A (zh) 2023-07-21 2023-07-21 一种基于卷积神经网络的现代学徒制管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310900381.8A CN116977136A (zh) 2023-07-21 2023-07-21 一种基于卷积神经网络的现代学徒制管理系统

Publications (1)

Publication Number Publication Date
CN116977136A true CN116977136A (zh) 2023-10-31

Family

ID=88472422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310900381.8A Pending CN116977136A (zh) 2023-07-21 2023-07-21 一种基于卷积神经网络的现代学徒制管理系统

Country Status (1)

Country Link
CN (1) CN116977136A (zh)

Similar Documents

Publication Publication Date Title
CN111079113B (zh) 一种人工智能控制的教学系统及其使用方法
CN109978359A (zh) 一种职业培训系统、方法及商业模式
CN107958351A (zh) 教学质量评估云服务平台
CN108154304A (zh) 具有教学质量评估功能的服务器
CN108009754A (zh) 教学质量评估方法
CN110164213A (zh) 一种基于ai视频分析的多终端远程教育培训系统
CN108171414A (zh) 教学质量评估系统
CN111311131A (zh) 一种智慧课堂教学行为分析方法、存储介质及智能电视
CN108182649A (zh) 用于教学质量评估的智能机器人
CN109934747A (zh) 一种用于职业培训的记录、档案监管系统
CN113781853B (zh) 基于终端的师生远程互动教育平台
CN109359613A (zh) 一种基于人工智能的教学过程分析方法
AU2012204061A1 (en) Methods and systems for object based data management
CN112990705A (zh) 一种个性化推荐课程的在线培训平台
CN110991943A (zh) 一种基于云计算的教学质量评价系统
CN109559266A (zh) 一种基于大数据的智能教育设备
CN111027863A (zh) 一种云计算应用在线培训方法
CN111259305A (zh) 一种在线智能教育方法
CN111179665A (zh) 一种提高学习效率的监控方法
CN116416839A (zh) 一种基于物联网实训系统的实训辅助教学的方法
CN116189074A (zh) 一种基于人工智能的跨校区联动考勤方法和系统
CN116977136A (zh) 一种基于卷积神经网络的现代学徒制管理系统
CN113268512B (zh) 基于互联网平台的企业岗位职业技能培训系统
CN114842567A (zh) 一种视频巡查方法、装置、设备及介质
CN113327183A (zh) 基于区块链的教学系统及教学资源共享方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination